IZDELAVA

Reindustrializacija in realnost proizvodnje

Avtor: Del Costy, predsednik in generalni direktor, Siemens Digital Industries

Oživitev ameriške proizvodnje zajema veliko več kot tisto, kar se dogaja v trgovini.

Reindustrializacija zahteva, da organizacije obvladajo celoten življenjski cikel inovacij od zasnove izdelka do inženiringa, validacije, proizvodnje in optimizacije. Združene države so že dolgo vodile na poti v odličnosti v inovacijah. Zdaj je izziv uskladiti te inovacije s sodobnimi proizvodnimi zmogljivostmi, da bomo lahko še naprej hitro izvajali inovacije.

Ko razmišljamo o industrijskem segmentu, smo še vedno v zgodnji fazi krivulje sprejemanja tehnologije. Obstajajo velike koristi in ljudje bodo igrali pomembno vlogo. In seveda ne morete voditi nobenega pogovora, ne da bi vprašali: Kaj pomeni sprejeti AI v proizvodnji?

Ta miselnost je oblikovala moje razmišljanje o tem, kaj se danes dogaja v proizvodnji. Kamorkoli grem, ljudje govorijo o AI. Želeli so govoriti o tem, kaj lahko AI naredi, vendar manj govori o tem, kaj AI potrebuje za učinkovito delovanje, in to je kontekst.

Proizvodnja zahteva jasno razumevanje zapletenih sistemov, procesov, materialov in omejitev. Tu je AI v proizvodnji lahko neverjetno močan. Lahko razjasni horde podatkov in poišče vzorce v vpogledih za pripravo priporočil za izboljšanje izdelkov, sistema, postopkov in rastlin. Opozorilo je, da to deluje le, če je umetna inteligenca utemeljena v resničnosti, da je proizvodnja natančno okolje. Brez konteksta inteligenca postane le napovedovanje in samo napovedovanje ni dovolj za preoblikovanje industrije.

Zakaj je Industrial AI inteligenca le tako dobra kot podatki, ki stojijo za njo

Do zdaj so vsi slišali obljubo: »AI bo optimiziral proizvodne linije, pospešil razvoj izdelkov, izboljšal kakovost in napovedal napake, preden se zgodijo.« Te priložnosti so resnične. Toda AI se lahko v proizvodnji poveča le, če so podatki kontekstualizirani in povezani s fiziko inženiringa in proizvodnje.

Imate lahko najbolj izpopolnjen model na svetu, če pa nima razumevanja vaših tolerance, materialov, proizvodnih omejitev, zgodovine potrjevanja in operativnih zahtev, bodo rezultati v najboljšem primeru nezanesljivi in v najslabšem primeru škodljivi za vaše podjetje. Proizvajalci si ne morejo privoščiti tveganja uvedbe preveč samozavestne umetne inteligence Potrebujejo umetno inteligenco, ki lahko vsakič daje natančna in zaupanja vredna priporočila

Tu se razbijejo številni pogovori o industrijski AI. Prepogosto razprave o umetni inteligenci ne odražajo omejitev, prednostnih nalog in pogojev trgovine. Organizacije podajajo argumente, ki zvenijo prepričljivo, vendar so ločeni od fizičnega sveta. In v proizvodnji je zaupanje brez gotovosti nevarno.

Kar pogosto ostane neizrečeno, je, da so številne uvajanja umetne inteligence zgrajene na modelu nekoga drugega in temeljijo na predpostavkah nekoga drugega o tem, kako podjetje deluje. Pravzaprav proizvajalci najemajo obveščevalne podatke, ki bi jih morali imeti v lasti.

Hkrati razvoj izdelkov ostaja obremenjen z desetletji stari procesi. Predstavitev novega izdelka na trg lahko traja od 40 do 50 mesecev. Poleg tega fizično izdelavo prototipov pogosto porabi do 60 odstotkov razvojnih stroškov. Preveč proračuna za raziskave in razvoj se porabi za dokazovanje modelov in ne za njihovo inovacijo.

Če želijo ameriški proizvajalci tekmovati in zmagati, moramo stisniti celoten industrijski cikel od koncepta do proizvodnje. Industrial AI inteligenca lahko pomaga doseči ta cilj, vendar le, če je zgrajena na podlagi podatkov, ki natančno odražajo, kako so izdelki zasnovani, izdelani in upravljani.

Povezane povezave:

Proizvodnja zahteva jasno razumevanje zapletenih sistemov, procesov, materialov in omejitev. Tu je lahko umetna inteligenca v proizvodnji neverjetno zmogljiva, vendar le, če je umetna inteligenca utemeljena na resničnosti, da je proizvodnja natančno okolje.

Kako zgraditi digitalno temelje za zanesljivo industrijsko umetno inteligenco

Lani je Siemens vložil 15 milijard dolarjev v ameriška programska podjetja, da bi kupcem še naprej zagotovil uspeh v naslednji dobi digitalne in podatkovne transformacije, desetletja pa smo gradili povezane podatkovne podlage.

Naš pristop se začne s sistemi za upravljanje življenjskega cikla izdelka, ki zajemajo in ohranijo vsako revizijo načrta, inženirske spremembe in rezultate potrjevanja v lastnem okolju stranke. To institucionalno znanje ostaja tam, kjer pripada: pri proizvajalcu.

To združujemo s simulacijskimi tehnologijami, ki temeljijo na fiziki, ki potrjujejo priporočila umetne inteligence glede na resnične inženirske modele, namesto da se zanašajo zgolj na statistične rezultate. Ko je mogoče predloge umetne inteligence preizkusiti v skladu z zakoni fizike, proizvajalci pridobijo zaupanje, da lahko delujejo glede na rezultate.

Tretji del je avtomatizacija. S tehnologijo Siemens, ki povezuje načrtovanje in proizvodnjo, se podatki ne ustavijo v inženirski fazi. Razširi se na operacije in ustvarja v realnem času vidnost o tem, kako izdelki, linije in rastline delujejo v realnem času. Te zmogljivosti skupaj ustvarjajo nekaj, kar nobena samostojna platforma umetne inteligence ne more ponoviti: kontekstualizirane podatke, povezane skozi celoten življenjski cikel.

Temu pravimo digitalna nit. Povezuje namen oblikovanja s proizvodno resničnostjo in ohranja organizacijsko znanje, ko se izdelki in sistemi razvijajo. AI zagotavlja kontekst, ki ga potrebuje za ustvarjanje smiselnih rezultatov.

In to razlikovanje je pomembno. Zanesljive Industrial AI umetne inteligence ni mogoče pritrditi kot naknadno razmišljanje. Proizvajalci ne morejo oddati svoje domenske inteligence in pričakovati boljših rezultatov. Potrebujejo povezano podlago, ki povezuje izdelke, procese in proizvodnjo, tako da lahko industrijska umetna inteligenca deluje v celotnem podjetju in ne znotraj izoliranih silosov.

Vrednost tega pristopa postane jasna, ko pogledamo, kako ga podjetja izvajajo v praksi.

Kako moramo izvajati reindustrializacijo

Združene države so si zastavile ambiciozen cilj reindustrializacije svojega gospodarstva.

Ameriška industrija je že dosegla izjemen napredek z avtomatizacijo, programsko opremo in tehnologijo digitalnih dvojčkov. Te inovacije so proizvajalcem pomagale, da postanejo bolj produktivni, odpornejši in bolj prilagodljivi.

Toda naše stranke vstopajo v novo fazo. Poskušajo zgraditi nove zmogljivosti, posodobiti obstoječe operacije in ostati globalno konkurenčni — vse skupaj se soočajo s stalnim pomanjkanjem kvalificirane delovne sile.

Industrijska umetna inteligenca gradi na tej močni digitalni podlagi in pomaga strankam razširiti tisto, česar so njihovi ljudje sposobni. Inženirjem, operaterjem in tehnikom daje nova orodja, da postanejo bolj produktivni, pospešujejo inovacije in dosežejo več.

Izziv ni več izumiti umetne inteligence. Uvaja AI v podjetniškem obsegu. Danes je le majhen odstotek organizacij uspešno integriral umetno inteligenco v svoje poslovanje. Odprava te vrzeli pri uvajanju je eden od odločilnih industrijskih izzivov in priložnosti v naslednjem desetletju.

Na to se osredotoča Siemens: pomagati našim strankam preiti od ambicij umetne inteligence k uvajanju umetne inteligence in prevesti obljubo umetne inteligence v resnično povečanje produktivnosti v ameriški industriji.

Kako PepsiCo uporablja digitalne dvojčke in AI za pospešitev proizvodne učinkovitosti

Z eno od naših strank, PepsiCo, smo zgradili ponovljiv okvir, ki združuje tehnologijo Digital Twin, Industrial AI inteligenco in povezano arhitekturo IT/OT, ki pomaga izboljšati proizvodne, skladiščne in logistične operacije.

Rezultati so bili pomembni. V enem obratu Gatorade v ZDA je PepsiCo v samo treh mesecih dosegel 20-odstotno povečanje prepustnosti. Družba ocenjuje tudi 10- do 15-odstotno zmanjšanje kapitalskih izdatkov z uporabo virtualne validacije za odkrivanje skritih zmogljivosti pred fizičnimi naložbami.

Digitalni dvojček je pomagal stisniti časovne roke načrtovanja in optimizacije objektov iz mesecev v dneve. Z ustvarjanjem modelov, ki temeljijo na fiziki, ki uporabljajo resnične operativne podatke iz več objektov, lahko ekipe vzpostavijo osnovne črte učinkovitosti, prepoznajo ozka grla, razumejo pretok materiala in natančno določijo, kje in zakaj se porabi energija.

Več kot 90 odstotkov proizvodnih težav je mogoče ugotoviti še pred začetkom proizvodnje.

To je moč digitalnega pristopa, ki ga uporablja PepsiCo. Inženirji optimizirajo postavitve, preden se oprema premakne. Pretok materiala se potrdi, preden se dotaknete transporterja. Energetsko intenzivni procesi so identificirani, preden ustvarijo operativne izzive. Odločitve temeljijo na podatkih in ne na predpostavkah.

Ko so inovacije izdelkov, razvoj procesov in izvedba proizvodnje povezani, organizacije pridobijo hitrost in zaupanje, potrebno za posodobitev zastarele infrastrukture. Prav tako proizvajalci zmagajo v dirki s časom.

Medtem ko je reindustrializacija zagotovo namenjena izboljšanju obstoječih operacij, je še ena ključna komponenta gradnja povsem novih modelov proizvodnje.

Kako Haddy prikazuje prihodnost distribuirane proizvodnje

Drug primer podjetja, ki uporablja Siemensov integrirani portfelj programske opreme, strojne opreme in avtomatizacije, je Haddy, robotsko podjetje za 3D-tiskanje, ki poganja umetno inteligenco, ki bistveno spreminja prihodnost naše proizvodnje.

Haddyjev model MicroFactory dokazuje to resničnost, saj združuje zmogljivosti industrijske proizvodnje z visoko učinkovito ekonomijo za izdelavo vsega, od dekorja zabaviščnih parkov do čolnov za mornarico. To podjetje, nedavni zmagovalec Siemensa Nagrada Techcellence, premosti komercialne in obrambne zahteve ter pomaga povezati inovacije podjetij z nacionalno industrijsko pripravljenostjo.

Model, ki ga Haddy uporablja, je prepričljiv, kako AI nenehno izboljšuje proizvodno zmogljivost z zaprto povratno zanko:

1. korak - Del govori: Kamera zazna majhno površinsko vdolbino, ki je skoraj nemogoča za človeka.

Korak2 - Sistem posluša: Sistem prepozna skok tlaka štiri minute pred pojavom napake. AI povezuje te signale in identificira odnos.

3. korak - sledi osnovnemu vzroku: Analiza razkriva, da je prišlo do razgradnje materiala pred postopkom sušenja pred začetkom tiskanja.

4. korak - Popravi se: Temperatura sušilnika se samodejno prilagodi. Proizvodnja se nadaljuje brez prekinitev.

5. korak - Preveri: Naslednjih deset plasti se uspešno natisne. Težava se zabeleži in zabeleži kot odpravljena.

6. korak - Vsak stroj postane pametnejši: Rešitev je v skupni rabi z vsakim tiskalnikom Haddy po vsem svetu, izdelava trajna in ponovljiva.

Ta zanka ni mogoča samo z avtomatizacijo. Gre za kombiniran sklop strojne opreme, programske opreme in avtomatizacije, ki olajšajo institucionalno učenje v industrijskem obsegu.

Reindustrializacija zahteva povezovanje inovacij s proizvodnjo

Dobra novica o prizadevanjih za reindustrializacijo v ameriških industrijah je, da proizvajalcem ni treba na novo izumiti inženiringa, da bi dosegli prebojne rezultate. S kombiniranjem dokazanih inženirskih okvirov s simulacijo in Industrial AI inteligenco postanejo mogoči izjemni dosežki učinkovitosti.

Organizacije, ki bodo vodile naslednje desetletje proizvodnje, bodo tiste, ki so zgradile najmočnejše temelje za industrijsko umetno inteligenco. To bodo podjetja, ki so ohranila svoje znanje na področju domene, povezala oblikovanje in proizvodnjo ter zagotovila, da bi lahko vsako odločitev, ki jo vodila AI, potrdili glede na fiziko. Spreminjanje verjetnostnih priporočil AI v deterministične rezultate.

To je lekcija, ki jo vidimo v podjetjih, kot so PepsiCo, Haddy in mnogi drugi, ki so spoznali, da to ni le konkurenčna prednost, ampak pot do pospešitve proizvodnje v ZDA.

Ameriška mesta in podjetja, ki se že zavezujejo k reindustrializaciji, niso čakala na signal, da bodo začela obnavljati svojo prihodnost. Tudi ameriška proizvodnja si ne more privoščiti čakanja.

Zgradite temelje, imejte inteligenco in sodelujte z organizacijami, ki razumejo, kako povezati inovacije s proizvodnjo, in skupaj lahko pospešimo naslednjo dobo ameriške reindustrializacije.

Objavljeno: 17. avgusta 2026